Empezar

YOLO26 frente a YOLOv10

Las aplicaciones de visión por ordenador necesitan modelos cada vez más rápidos, precisos y eficientes. Esta guía compara dos arquitecturas influyentes de detección de objetos en tiempo real, YOLO26 y YOLOv10, en cuanto a arquitectura, métricas de rendimiento y capacidades de implementación, para ayudar a desarrolladores e investigadores a elegir el modelo adecuado para sus aplicaciones de visión.

La evolución de las arquitecturas sin NMS#

Durante años, la familia YOLO (You Only Look Once, «solo se mira una vez») ha dependido de la supresión no máxima (NMS) para filtrar los cuadros delimitadores redundantes durante el posprocesamiento. Aunque es eficaz, la NMS añade latencia de inferencia y complica la implementación en dispositivos de borde como Raspberry Pi o en unidades de procesamiento neuronal (NPU) especializadas.

YOLOv10 introdujo un diseño de extremo a extremo sin NMS en la familia YOLO. Ultralytics YOLO26 perfeccionó este enfoque para entornos de producción como una cabeza opcional uno a uno y lo amplió a una gama más amplia de tareas.

El cuello de botella del posprocesamiento

Eliminar NMS suprime el paso de posprocesamiento dinámico y dependiente de los datos que tradicionalmente dificultaba la optimización de modelos de visión artificial en aceleradores de hardware como TensorRT y OpenVINO.

YOLOv10: detección en tiempo real sin NMS#

Desarrollado por investigadores de la Universidad de Tsinghua, YOLOv10 introdujo una estrategia coherente de asignación dual para eliminar la necesidad de NMS. Mediante un diseño integral del modelo que prioriza la eficiencia y la precisión, redujo la redundancia computacional y mantuvo un mAP (precisión media) elevado.

Puntos fuertes:

  • Arquitectura sin NMS: El primer diseño sin NMS de la serie YOLO, que reduce la latencia en aplicaciones en tiempo real.
  • Eficiencia: Ofrece un equilibrio sólido entre el número de parámetros y la velocidad de inferencia frente a los modelos de generaciones anteriores.

Puntos débiles:

  • Compatibilidad limitada con tareas: Se centra principalmente en la detección de objetos estándar y carece de soporte nativo listo para usar para tareas avanzadas como la segmentación o la estimación de pose.
  • Orientación académica: El código está más enfocado a la investigación que a la implementación empresarial en producción.

Más información sobre YOLOv10

YOLO26: el nuevo estándar para el borde y la nube#

Lanzado como sucesor de YOLO11, YOLO26 amplía el concepto sin NMS con una cabeza opcional uno a uno (nms=False). Se integra con la plataforma Ultralytics, que ofrece herramientas de anotación, entrenamiento e implementación para todo el proceso de aprendizaje automático.

YOLO26 incorpora varios cambios arquitectónicos:

  • Eliminación de la DFL: Se ha eliminado la pérdida focal de distribución. Esto simplifica el proceso de exportación del modelo y mejora la compatibilidad con dispositivos de borde y de bajo consumo.
  • Inferencia en CPU hasta un 43 % más rápida: Gracias a la eliminación de la DFL y a las optimizaciones estructurales, YOLO26n es hasta un 43 % más rápido en CPU que YOLO11n, por lo que es ideal para implementaciones en IoT y dispositivos móviles.
  • Optimizador MuSGD: Inspirado en técnicas de entrenamiento de modelos de lenguaje grandes (LLM), como Kimi K2 de Moonshot AI, YOLO26 utiliza una combinación de SGD y Muon. Esto aporta un entrenamiento más estable y una convergencia más rápida a la visión por ordenador.
  • ProgLoss + STAL: La pérdida progresiva y la asignación de etiquetas con atención a objetos pequeños (STAL) mejoran el reconocimiento de objetos pequeños, algo importante para las imágenes aéreas y la vigilancia de seguridad con drones.
  • Mejoras específicas para cada tarea: YOLO26 también es compatible con la segmentación, la segmentación semántica, la estimación de profundidad, la clasificación, la estimación de pose y OBB. Añade una función de pérdida de segmentación semántica y prototipos multiescala para la segmentación, estimación de máxima verosimilitud residual (RLE) para la estimación de pose y una función de pérdida angular especializada para los cuadros delimitadores orientados (OBB).

Análisis del rendimiento y métricas#

La tabla siguiente compara el rendimiento de detección en COCO de los modelos YOLO26 y YOLOv10. YOLO26 ofrece más precisión en todos los tamaños, desde +2,4 mAP en los modelos n hasta +3,1 en los modelos x, mientras que YOLOv10 utiliza menos parámetros y FLOPs en la escala x (29,5 M frente a 55,7 M parámetros; 160,4 B frente a 194,4 B FLOPs).

Modelotamaño
(píxeles)
mAPval50-95Velocidad
CPU ONNX
(ms)
Velocidad
T4 TensorRT10
(ms)
parámetros
(M)
FLOPs
(B)
YOLO26n64040.938.91.72.45.5
YOLO26s64048.687.22.59.520.9
YOLO26m64053.1220.04.720.468.4
YOLO26l64055.0286.26.224.886.8
YOLO26x64057.5525.811.855.7194.4
YOLOv10n64038.5-1.842.36.7
YOLOv10s64046.3-2.497.221.6
YOLOv10m64051.1-4.7415.459.1
YOLOv10b64052.5-5.7419.192.0
YOLOv10l64053.2-7.2824.4120.3
YOLOv10x64054.4-10.7029.5160.4

La ventaja de Ultralytics: eficiencia de entrenamiento y memoria#

Al implementar modelos en producción, los requisitos de memoria y la eficiencia del entrenamiento son tan importantes como la velocidad de inferencia. Los modelos de Ultralytics, en especial YOLO26, están optimizados para reducir el uso de memoria CUDA durante el entrenamiento. Esto permite a los desarrolladores utilizar tamaños de lote mayores en GPU de consumo, lo que reduce el tiempo de entrenamiento y los costes computacionales. En cambio, los modelos Transformer pesados como RT-DETR suelen necesitar hardware caro y de gama alta para entrenarse eficazmente.

Integración continua y ecosistema

Una ventaja clave de elegir YOLO26 es su integración con el ecosistema de Ultralytics, bien mantenido, que cubre el flujo de trabajo desde la anotación de datos hasta el seguimiento de experimentos.

Implementación práctica: ejemplo de código#

Con la API de Python de Ultralytics, migrar de un modelo antiguo como YOLOv8 a YOLO26 solo requiere cambiar una línea de código.

Aquí tienes un ejemplo de entrenamiento, ejecución de inferencias y exportación con YOLO26:

from ultralytics import YOLO

# 1. Load the YOLO26 nano model
model = YOLO("yolo26n.pt")

# 2. Train the model on the COCO8 dataset efficiently
# optimizer='auto' selects MuSGD for longer training runs; memory management is automatic
results = model.train(
    data="coco8.yaml",
    epochs=100,
    imgsz=640,
    device="cpu",  # Easily switch to 0 for GPU
)

# 3. Perform NMS-free inference on a sample image
predictions = model.predict("https://ultralytics.com/images/bus.jpg", nms=False)

# 4. Display the results to screen
predictions[0].show()

# 5. Export to ONNX for simplified edge deployment
export_path = model.export(format="onnx")
print(f"Model exported successfully to {export_path}")

Casos de uso y recomendaciones#

La elección entre YOLO26 y YOLOv10 depende de los requisitos concretos de tu proyecto, las limitaciones de implementación y tus preferencias de ecosistema.

Cuándo elegir YOLO26#

YOLO26 es una buena opción para:

  • Implementación edge sin NMS: Aplicaciones que necesitan inferencias uniformes y de baja latencia sin la complejidad del posprocesamiento con supresión no máxima.
  • Entornos que solo usan CPU: Dispositivos sin aceleración de GPU dedicada, en los que la inferencia en CPU de YOLO26n, hasta un 43 % más rápida que la de YOLO11n, ofrece una ventaja decisiva.
  • Detección de objetos pequeños: Situaciones exigentes, como las imágenes aéreas tomadas con drones o el análisis de sensores IoT, en las que ProgLoss y STAL mejoran la precisión con objetos pequeños.

Cuándo elegir YOLOv10#

YOLOv10 se recomienda para:

  • Detección en tiempo real sin NMS: Aplicaciones que se benefician de la detección de extremo a extremo sin supresión no máxima, lo que reduce la complejidad de la implementación.
  • Equilibrio entre velocidad y precisión: Proyectos que necesitan un buen equilibrio entre la velocidad de inferencia y la precisión de detección en distintas escalas de modelo.
  • Aplicaciones con latencia constante: Escenarios de implementación en los que los tiempos de inferencia predecibles son fundamentales, como la robótica o los sistemas autónomos.

Conclusión#

YOLOv10 contribuyó significativamente a la comunidad investigadora al introducir la detección YOLO sin NMS, y YOLO26 lleva este enfoque a producción. Con una inferencia en CPU hasta un 43 % más rápida (YOLO26n frente a YOLO11n), el optimizador MuSGD y compatibilidad con siete tareas de visión, YOLO26 es la opción recomendada tanto para la computación en el borde como para las implementaciones en la nube a gran escala.

Si tu equipo da prioridad a una comunidad activa, una documentación completa y una experiencia de desarrollo fluida, el ecosistema de Ultralytics es una excelente opción. Para casos especializados, también puedes explorar YOLO-World para la detección de vocabulario abierto sin ejemplos previos. Para la mayoría de los casos de uso reales, YOLO26 es la opción recomendada.

Comentarios

Haz una pregunta, comparte tus resultados o ayuda a otra persona.